[發明專利]緊固件識別方法、系統及電子設備

在審

• 申請號: 201811069737.3
• 申請日: 2018-09-13
• 公開（公告）號: CN109190721A
• 公開（公告）日: 2019-01-11
• 發明（設計）人: 徐澤明;付自福
• 申請（專利權）人: 深圳增強現實技術有限公司
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/62
• 代理公司: 深圳市德錦知識產權代理有限公司 44352
• 代理人: 丁敬偉

1.一種緊固件識別方法，其特征在于，所述方法包括：

獲取對緊固件采集的目標圖像；

采用預先構建的權重文件對所述目標圖像進行圖像識別，識別所述目標圖像中的緊固件類型。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

采集緊固件的樣本圖像；

對所述樣本圖像進行深度學習，構建所述權重文件。

3.根據權利要求2所述的方法，其特征在于，所述對所述樣本圖像進行深度學習，構建所述權重文件的步驟包括：

對所述樣本圖像進行緊固件類型及位置坐標的標記，得到標記文件；

通過所述標記文件從所述樣本圖像中提取圖像特征；

采用神經網絡模型對所述圖像特征進行訓練，得到所述權重文件。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

對確定緊固件類型的所述目標圖像進行深度學習，識別所述目標圖像中緊固件的裝配狀態。

5.一種緊固件識別系統，其特征在于，所述系統包括：

目標圖像獲取模塊，用于獲取對緊固件采集的目標圖像；

圖像識別模塊，用于采用預先構建的權重文件對所述目標圖像進行圖像識別，識別所述目標圖像中的緊固件類型。

6.根據權利要求5所述的系統，其特征在于，所述系統還包括：

樣本圖像采集模塊，用于采集緊固件的樣本圖像；

深度學習模塊，用于對所述樣本圖像進行深度學習，構建所述權重文件。

7.根據權利要求6所述的系統，其特征在于，所述深度學習模塊包括：

標記單元，用于對所述樣本圖像進行緊固件類型及位置坐標的標記，得到標記文件；

圖像特征提取單元，用于通過所述標記文件從所述樣本圖像中提取圖像特征；

訓練單元，用于采用神經網絡模型對所述圖像特征進行訓練，得到所述權重文件。

8.根據權利要求5所述的系統，其特征在于，所述系統還包括：

樣本圖像采集模塊，用于對確定緊固件類型的所述目標圖像進行深度學習，識別所述目標圖像中緊固件的裝配狀態。

9.一種電子設備，其特征在于，所述電子設備包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如權利要求1-4任一項所述的方法。

10.一種計算機可讀存儲介質，用于存儲程序，其特征在于，所述程序在被執行時使得服務器執行如權利要求1-4任一項所述的方法。